Question

我目前正在使用Hpple解析HTML，如下所示：

TFHpple *htmlParser = [TFHpple hppleWithHTMLData:[currentString dataUsingEncoding:NSUTF8StringEncoding]];
NSString *paragraphsXpathQuery = @"//p//text()";
        NSArray *paragraphNodes = [htmlParser searchWithXPathQuery:paragraphsXpathQuery];
        if ([paragraphNodes count] > 0) {
            NSMutableArray *tempArray = [NSMutableArray array];
            for (TFHppleElement *element in paragraphNodes) {
                [tempArray addObject:[element content]];
            }
            article.paragraphs = tempArray;
        }

这样我得到一个段落数组，我可以使用NSString *result = [myArray componentsJoinedByString:@"\n\n"];将它编译成带有换行符的单个文本体。

但是，如果html包含标签，它们会被解释为单独的实体，并且会自行断行，所以在一天结束时从这样的行开始：

<p>I went to the <a href="blablabla.html">shop</a> to get some milk!</a></p>
<p>It was awesome.</p>

我明白了：

I went to the

shop

to get some milk!

It was awesome!

我当然希望得到这个（忽略p标记内的其他标记）：

I went to the shop to get some milk!

It was awesome!

你能帮助我吗？

Answer 1

在XPath 1.0中，您可以分两步执行此操作：

选择所有p元素：//p
在每个选定的p元素（用作初始上下文节点）上评估：string()

<强>解释：

根据定义，将标准XPath函数 string() 应用于元素的结果是其所有文本节点后代的串联（按文档顺序）。

Answer 2

NSString *HTMLTags = @"<[^>]*>"; //regex to remove any html tag

NSString *htmlString = @"<html>bla bla</html>";
NSString *stringWithoutHTML = [hstmString stringByReplacingOccurrencesOfRegex:myregex withString:@""];

不要忘记将其包含在您的代码中：#import“RegexKitLite.h”这里是下载此API的链接：http://regexkit.sourceforge.net/#Downloads

iOS：Html解析 - 如何在<p> </p>中忽略像a，li等的标签

2 个答案: